基于改进支持向量机算法的退耕地树种信息提取

树种间的光谱差异分析及分类算法的改进是利用遥感影像提取树种信息的难点,也是提高退耕地树种信息提取精度的关键.文章采用TM影像,通过不同树种光谱信息的差异分析,筛选出区分树种信息的光谱指标,并采用改进的支持向量机算法对退耕还林地不同树种信息进行了提取.结果表明,该研究算法提取的平均精度为81.7%,较传统支持向量机算法提高9.2%.该方法可以实现较为准确的树种信息提取,能够达到对退耕还林工程进行监测的目的,对快速评价工程质量有重要意义.     

几种常见树种叶片光谱秋季变化特征分析

叶片随着时间生长产生变化,其光谱特征也会发生变化。研究相同树种叶片不同时间条件下的光谱变化规律以及不同树种叶片相同时间条件下的光谱特征,不仅为植被叶片光谱随时间变化的规律研究提供理论基础,也是高光谱遥感精确识别植被信息的关键。选取北京市10种常见树种,利用地物光谱仪观测各树种不同时间叶片光谱,同时将观测的光谱进行一阶微分处理和典型波段分析,对比相同时间不同树种叶片光谱的差异,分析相同树种不同时间的光谱变化规律,探索不同时相条件下高光谱遥感识别树种的有效波段。结果表明:不同树种叶片光谱均随时间的改变而产生显著变化,但差异规律各不相同;不同树种相同时间叶片光谱在部分波段存在显著差异,为高精度树种识别提供了理论依据和叶片基础光谱数据。     

基于叶片高光谱特性分析的树种识别

高光谱遥感技术的出现将为解决森林树种的精细识别难题提供有效的途径.利用高光谱遥感技术进行树种鉴别时,光谱特征的选择及提取是个非常重要的过程.与多光谱数据相比,高光谱数据具有波段多、数据量大、冗余度大等特点.该文利用光谱微分法对原始光谱数据进行处理,分析不同树种原始光谱、光谱一阶微分和光谱二阶微分曲线图,从中选择差异较大的波段用于鉴别不同树种.最后利用欧氏距离对所选择的波段进行检验识别不同树种的效果,检验的结果显示选择的波段能有效地区分不同树种.区分不同树种的有效波段大都位于近红外波段,并且差异最大的波段也是近红外波段,其分别为1 657～1 666和1 868～1 877 nm.     

基于小波包变换的叶片高光谱数据的树种分类

非成像高光谱数据的特点为树种的精细识别提供了可能.非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能.该文利用光谱相关匹配(Spectral correlation matching,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究.结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度.小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息.在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度.